学习CMUSphinx 的笔记

本文介绍如何构建语音识别系统,包括使用TTS合成器建立语音字典,收集音频材料以训练声学模型,以及利用Sphinx-4等工具进行语音识别。文章还涉及了必要的开发环境设置和技术细节。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

建立一个语音字典你可以使用现有的涵盖很多语言的TTS合成器。你也可以手工boostrap字典,然后用机器学习工具扩展它。

如果要大词汇译码器,必须有diarization框架,适应框架和后处理的框架。他们都需要合作

如果你可以选择,我们强烈推荐您使用GNU / Linux作为一个开发平台。我们可以帮你与Windows或Mac问题但没有保证,我们的主要开发平台是Linux。对于许多任务需要使用perl,python运行复杂的脚本。在Windows上可能是有问题的。

你必须为指定的语言收集音频材料。实际上这不是这么复杂的事情。有声书本、电影和播客提供足够的录音与小努力构建良好的声学模型。

语言学习需要您构建一个框架,用于跟踪错误的发音。包括代不正确的发音和得分。

 

 

There are several high-level recognition interfaces in Sphinx-4:

  • LiveSpeechRecognizer

  • StreamSpeechRecognizer

  • SpeechAligner

For the most of the speech recognition jobs high-levels interfaces should be enough. And basically you will have only to setup four attributes:

  • Acoustic model.

  • Dictionary.

  • Grammar/Language model.

  • Source of speech.

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值